আমি প্রমাণ করার চেষ্টা করছি যে দুর্বলভাবে সামঞ্জস্যপূর্ণ সর্বাধিক সম্ভাবনা অনুমানকারী (এমএলই) এ মূল্যায়ন করা তথ্য ম্যাট্রিক্স প্রত্যাশিত তথ্য ম্যাট্রিক্সের একটি দুর্বলভাবে সামঞ্জস্যপূর্ণ অনুমানকারী। এটি একটি বিস্তৃত উদ্ধৃত ফলাফল তবে কেউ রেফারেন্স বা প্রমাণ দেয় না (আমি ক্লান্ত হয়ে পড়েছি গুগলের ফলাফলের প্রথম 20 পৃষ্ঠা এবং আমার পরিসংখ্যানের পাঠ্যপুস্তক) আমি মনে করি!
এমএলইসের দুর্বল ধারাবাহিক ধারাটি ব্যবহার করে আমি যে ফলাফল পেতে চাই তার জন্য আমি প্রচুর সংখ্যার দুর্বল আইন (ডাব্লুএলএলএন) এবং অবিচ্ছিন্ন ম্যাপিং উপপাদ ব্যবহার করতে পারি। তবে আমি বিশ্বাস করি অবিচ্ছিন্ন ম্যাপিং উপপাদ্য ব্যবহার করা যাবে না। পরিবর্তে আমি মনে করি প্রচুর সংখ্যার অভিন্ন আইন (ইউএলএলএন) ব্যবহার করা দরকার। এর প্রমাণ আছে এমন কোনও রেফারেন্স সম্পর্কে কি কেউ জানেন? আমি ইউএলএলএন-তে চেষ্টা করেছি তবে ব্র্যাভিটির জন্য এটি আপাতত বাদ দিচ্ছি।
আমি এই প্রশ্নের দৈর্ঘ্যের জন্য ক্ষমা চাইছি তবে স্বরলিপিটি প্রবর্তন করতে হবে। স্বরলিপিটি হ'ল লোকেরা (আমার প্রমাণটি শেষের দিকে)।
ধরে আমরা র্যান্ডম ভেরিয়েবল একটি IID নমুনা আছে { ওয়াই 1 , ... , ওয়াই এন }
আমি ( θ ) = - ই θ [ এইচ θ ( লগ চ ( ˜ ওয়াই | θ ) ]]
যেখানে এইচ θ
I N ( θ ) = N ∑ i = 1 I y i ( θ ) ,
যেখানে আমি y i = - ই θ [ এইচ θ ( লগ এফ ( ওয়াই আই | θ ) )
জ ( θ ) = - এইচ θ ( লগ চ ( y | θ )
(কিছু লোক দাবি ম্যাট্রিক্স এ মূল্যায়ন করা হয় θ কিন্তু কিছু না)। নমুনা পর্যবেক্ষণ তথ্য ম্যাট্রিক্স হয়;
জে এন ( θ ) = ∑ এন আই = 1 জে ওয়াই আই ( θ )
যেখানে জে y i ( θ ) = - এইচ θ ( লগ এফ ( y i | θ )
আমি মূল্নির্ধারক সম্ভাবনা মধ্যে অভিসৃতি প্রমাণ করতে পারেন এন - 1 জে এন ( θ )
এখন ( জে এন ( θ ) ) দ গুলি = - Σ এন আমি = 1 ( এইচ θ ( লগ চ ( ওয়াই আমি | θ ) ) দ গুলি
Any help on this would be greatly appreciated.